De frijlitting fan it iepen spraaksynthesesysteem RHVoice 1.2.4 is publisearre, ynearsten ûntwikkele om heechweardige stipe foar de Russyske taal te leverjen, mar dêrnei oanpast foar oare talen, ynklusyf Ingelsk, Portugeesk, Oekraynsk, Kirgizysk, Tatarysk en Georgysk. De koade is skreaun yn C++ en ferspraat ûnder de LGPL 2.1-lisinsje. Unterstützt wurk op GNU/Linux, Windows en Android. It programma is kompatibel mei standert TTS (tekst-nei-spraak) ynterfaces foar it konvertearjen fan tekst nei spraak: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) en Android Text-To-Speech API, mar kin ek brûkt wurde yn de NVDA skerm lêzer.
It programma brûkt de parametryske syntezemetoade mei statistyske modellen (Statistical Parametric Synthesis basearre op HMM - Hidden Markov Model). It foardiel fan it statistyske model is lege overhead kosten en undemanding CPU macht. Alle operaasjes wurde lokaal útfierd op it systeem fan de brûker. Trije nivo's fan spraakkwaliteit wurde stipe (hoe leger de kwaliteit, hoe heger de prestaasjes en hoe koarter de reaksjetiid).
Unterstützt it ynstellen en feroarjen fan stimmen. D'r binne 9 stimopsjes beskikber foar de Russyske taal, en 5 foar Ingelsk. De stimmen wurde foarme op basis fan opnames fan natuerlike spraak. Troch it brûken fan in statistysk model berikt de kwaliteit fan útspraak net it nivo fan synthesizers dy't spraak generearje op basis fan in kombinaasje fan fragminten fan natuerlike spraak, mar dochs is it resultaat frij begryplik en liket op in útstjoering fan in opname út in luidspreker .
Yn 'e ynstellings kinne jo de snelheid, toanhichte en folume feroarje. De Sonic-bibleteek kin brûkt wurde om it tempo te feroarjen. It is mooglik om talen automatysk te ûntdekken en te wikseljen op basis fan analyze fan 'e ynfiertekst (bygelyks foar wurden en sitaten yn in oare taal kin in syntezemodel dat lânseigen is foar dy taal brûkt wurde). Stimprofilen wurde stipe, en definiearje kombinaasjes fan stimmen foar ferskate talen.
Boarne: opennet.ru